Introduction à R

Les logiciels d’analyse de données

Pourquoi R?

Très utilisé en science sociale

• Beaucoup de ressources
• Beaucoup de tutoriels orientés vers les sciences sociales
  • Swirl
  • Datacamp
  • Codecademy
  • EdX

Important d’utiliser les mêmes outils que les chercheurs dans votre domaine

Datagotchi

• Application utilisant des variables lifestyles pour prédire le vote
• Utiliser R et l’analyse de données à travers ce projet:
  • Prototypage en Shiny
  • Nettoyage des données
  • Analyse factorielle
  • Régressions et modèles
  • Visualisation

Analyse textuelle

• Analyse de ton
  • Est-ce que le texte est positif ou négatif?

Au-delà de l’analyse de données

• R ne se limite pas à l’analyse statistique, il peut aussi être utilisé pour développer des applications web interactives

{absolute top=0 left=0 width=“20%”}

Mais derrière tout ça… R

• Voici l’envers du décor :

{absolute top=0 left=0 width=“20%”}

Installer R et Positron

• R est le langage de programmation
• Positron est l’interface
• Positron offre plein d’outils pour faciliter l’utilisation de R
• RStudio est un IDE parmis tant d’autres

À télécharger :

• Installer R
• Installer Positron

Concept important : Le chemin d’arborescence

• À tout moment vous devez savoir où vous êtes dans votre ordinateur pour pouvoir importer des données, exporter des graphiques ou mettre des fichiers en relation
• Votre R est toujours ouvert dans un dossier, et donc vous devez savoir où il est pour pouvoir importer des données
• La fonction getwd() dans R permet de savoir où vous êtes

Concept important : Planifier avant de coder

La plus grosse erreur est de commencer à coder sans savoir ce que vous voulez faire

• Clarifer vos objectifs: Qu’est-ce que vous voulez faire?
  • Nettoyer des données?
  • Faire un graphique?

Les possibilités sont infinies, donc il est important de savoir où vous voulez aller

Concept important : Décomposer le problème

• Une fois que vous savez ce que vous voulez faire, il est important de décomposer le problème en petites étapes
• Un script R pour une seule tâche
  • Bien nommer vos scripts pour savoir ce qu’ils font
  • Exemples:
    • nettoyage_donnees.R
    • graphique.R
• Chaque script doit être clair et facile à comprendre
• Commenter votre code avec des #